Nesta análise iremos explorar e ponderar sobre dados da Cota de Exercício de Atividade Parlamentar dos nossos queridos deputados federais. Para isso iremos focar em responder algumas perguntas, vamos começar?

knitr::opts_chunk$set(warning = FALSE, message = FALSE)
library('tidyverse')
library('plotly')
library('ggplot2')
require('scales')
library('rgdal')
library('leaflet')

UM_MILHAO = 1000000
GASTO_EXTERIOR = 2

dados <- read_csv('dados/dadosCEAP.csv')

1 - Quais os partidos que mais/menos fazem uso da CEAP?

Não é preciso muita ponderação para perceber que os partidos que mais usam a cota parlamentar são os partidos grandes como PT, PSDB e PMDB. E os dados confirmam isso, atualmente o partido que mais usa a CEAP é o PT seguido por PMDB e PSDB que possuem 25 mil e 50 mil utilizações a menos respectivamente.

Já os partidos que menos utilizam a cota são, como era de se esperar, os partidos pequenos que possuem poucos parlamentares. O partido que menos utiliza a cota é o PTdoB seguido de perto por outros partidos minúsculos como PMN e PRTB.

total_gastos_partido <- 
  dados %>% 
  group_by(sgPartido) %>% 
  summarise(gastos = sum(valorLíquido), quantidade = plyr::count(sgPartido)$freq)

total_gastos_partido <- total_gastos_partido %>% filter(!is.na(sgPartido))

getCor <- function(qtd){
  if(qtd < 50000) return("#05F613")
  if(qtd >= 50000 & qtd < 70000) return("#F6A605")
  return("#F63E17")
}

total_gastos_partido <- total_gastos_partido %>% mutate(cor = as.character(lapply(quantidade, getCor)))
cores = as.character(total_gastos_partido$cor)

ggplot(total_gastos_partido, aes(x = reorder(sgPartido, -quantidade), y = quantidade)) + 
  geom_col(aes(colour = sgPartido)) +
  scale_color_manual(values = cores, guide = FALSE) +
  scale_y_continuous(labels = comma, breaks = seq(0, 130000, by = 25000)) + 
  coord_flip() + 
  labs(title = "Uso da cota parlamentar por partido", y = "Quantidade de utilizações", x = "Partido")

1.1 - Quais partidos mais/menos gastam recursos da cota parlamentar?

Novamente, quanto mais deputados de um partido no congresso mais dinheiro da CEAP para ser gasto por esse partido. Mais uma vez os mesmos três partidos figuram nos primeiros lugares da gastança. O PMDB fica com o título de gastador, seguido por PT e PSDB nessa ordem.

Nos partidos que menos gastam também nenhuma surpresa, novamente os mesmos três partidos. O PTdoB é o que menos gasta seguido por PMN e PRTB.

getCor <- function(gasto){
  if(gasto < 20000000) return("#05F613")
  if(gasto >= 20000000 & gasto < 50000000) return("#F6A605")
  return("#F63E17")
}

total_gastos_partido <- total_gastos_partido %>% mutate(cor = as.character(lapply(gastos, getCor)))
cores = as.character(total_gastos_partido$cor)

ggplot(total_gastos_partido, aes(x = reorder(sgPartido, -gastos), y = gastos/UM_MILHAO)) + 
  geom_col(aes(colour = sgPartido)) +
  scale_color_manual(values = cores, guide = FALSE) +
  scale_y_continuous(labels = comma, breaks = seq(0, 80, by = 10)) + 
  coord_flip() + 
  labs(title = "Gastos de cada partido com cota parlamentar", y = "Valor gasto em milhões de R$", x = "Partido")

2 - Com que tipos de despesas os parlamentares gastam mais?

A verba proveniente da cota parlamentar só pode ser utilizada para uma série de despesas pré-definidas como compra de passagens aéreas, Hospedagem, alimentação e etc. Entre esses tipos os mais usados são DE LONGE “Emissão de bilhetes aéreos” e “Publicidade e propaganda” ambos gastando mais de R$125 Milhões cada.

total_gastos_tipo_despesa <- dados

partidos <- unique(dados$sgPartido[!is.na(dados$sgPartido)]) 
total_gastos_tipo_despesa <- 
  total_gastos_tipo_despesa %>% 
  group_by(tipoDespesa) %>% 
  summarise(gastos = sum(valorLíquido), quantidade = plyr::count(tipoDespesa)$freq)

total_gastos_tipo_despesa <- total_gastos_tipo_despesa %>% mutate(cor = as.character(lapply(gastos, getCor)))
cores = as.character(total_gastos_tipo_despesa$cor)

total_gastos_tipo_despesa %>%
  ggplot(aes(x = reorder(tipoDespesa, -gastos), y = gastos/UM_MILHAO)) + 
  geom_col(aes(colour = tipoDespesa)) + 
  scale_color_manual(values = cores, guide = FALSE) +
  coord_flip() + 
  labs(title = "Gastos com cada tipo de despesa", y = "Valor gasto em milhões de R$", x="")

2.1 - Que tipos de despesas os parlamentares mais usam?

Ao contrário do que pode querer nos dizer o senso comum a dispesa que mais gasta não necessariamente é a mais usada. Publicidade e propaganda que é a despesa que mais gasta tem uma quantidade baixa de utilizações, isso indica que os repasses feitos as empresas de publicidade são volumosos, uma vez que a frequência de uso da CEAP para essa atividade é baixo.

Os tipos de despesas mais utilizados são, novamente DE LONGE, “Emissão de bilhetes aéreos” e “Combustíveis e lubrificantes”.

getCor <- function(qtd){
  if(qtd < 40000) return("#05F613")
  if(qtd >= 40000 & qtd < 100000) return("#F6A605")
  return("#F63E17")
}

total_gastos_tipo_despesa <- total_gastos_tipo_despesa %>% mutate(cor = as.character(lapply(quantidade, getCor)))
cores = as.character(total_gastos_tipo_despesa$cor)

total_gastos_tipo_despesa %>%
  ggplot(aes(x = reorder(tipoDespesa, -quantidade), y = quantidade)) + 
  geom_col(aes(colour = tipoDespesa)) + 
  scale_color_manual(values = cores, guide = FALSE) +
  scale_y_continuous(labels = comma, breaks = seq(0, 350000, by = 50000)) + 
  coord_flip() + 
  labs(title = "Uso de cada tipo de despesa", y = "Quantidade de utilizações", x="")

Uso da CEAP por estado

Nesta parte da análise vamos responder perguntas considerando o uso da CEAP de acordo com o estado do deputado.

gastos_estado <- dados %>%
  filter(!is.na(sgUF)) %>%
  group_by(sgUF) %>% 
  summarise(gastos = sum(valorLíquido), quantidade = plyr::count(sgUF)$freq)

shp <- readOGR("mapas", "BRUFE250GC_SIR", stringsAsFactors=FALSE, encoding="UTF-8")
## OGR data source with driver: ESRI Shapefile 
## Source: "mapas", layer: "BRUFE250GC_SIR"
## with 27 features
## It has 3 fields
mapeamento <- read_csv('dados/mapeamento_estados_ibge.csv')

getCodigo <- function(uf){
  return(mapeamento[mapeamento$uf == uf,]$codigo)
}

gastos_estado <- gastos_estado %>% mutate(codigoUf = lapply(sgUF, getCodigo))

brasil_gastos_estado <- merge(shp, gastos_estado, by.x = "CD_GEOCUF", by.y = "codigoUf")

proj4string(brasil_gastos_estado) <- CRS("+proj=longlat +datum=WGS84 +no_defs")

Encoding(brasil_gastos_estado$NM_ESTADO) <- "UTF-8"

3 - Quais estados fazem mais uso da cota parlamentar?

Um fator que deve se manter em mente ao julgar o mapa abaixo é que cada estado tem um número de deputados EQUIVALENTE a sua população, ou seja estados mais populosos tem mais deputados que possuem acesso a CEAP, portanto estes fazem um uso mais frequente da cota. Vejamos no mapa:

############# PLOTANDO O MAPA DE QUANTIDADE DE UTILIZAÇÕES ###############

pal <- colorBin("Blues",domain = NULL,n=5) #cores do mapa

state_popup <- paste0("<strong>Estado: </strong>", 
                      brasil_gastos_estado$NM_ESTADO, 
                      "<br><strong>Número de utilizações da CEAP: </strong>", 
                      brasil_gastos_estado$quantidade)
leaflet(data = brasil_gastos_estado) %>%
  addProviderTiles("CartoDB.Positron") %>%
  addPolygons(fillColor = ~pal(brasil_gastos_estado$quantidade), 
              fillOpacity = 0.8, 
              color = "#BDBDC3", 
              weight = 1, 
              popup = state_popup) %>%
  addLegend("topright", pal = pal, values = ~brasil_gastos_estado$quantidade,
            title = "Quantidade de utilizações da cota parlamentar",
            opacity = 1)

3.1 - Quais estados gastam mais recursos da cota parlamentar?

Novamente o fator população/número de deputados pesou. Quanto mais população, mais deputados. Quanto mais deputados, mais recursos da CEAP, a lógica é simples. Vejamos no mapa:

############# PLOTANDO O MAPA DE GASTOS ###############

pal <- colorBin("Oranges",domain = NULL,n=5) #cores do mapa

state_popup <- paste0("<strong>Estado: </strong>", 
                      brasil_gastos_estado$NM_ESTADO, 
                      "<br><strong>Gastos CEAP: </strong> R$", 
                      round(brasil_gastos_estado$gastos/UM_MILHAO, digits = 2), " milhões")
leaflet(data = brasil_gastos_estado) %>%
  addProviderTiles("CartoDB.Positron") %>%
  addPolygons(fillColor = ~pal(brasil_gastos_estado$gastos), 
              fillOpacity = 0.8, 
              color = "#BDBDC3", 
              weight = 1, 
              popup = state_popup) %>%
  addLegend("topright", pal = pal, values = ~brasil_gastos_estado$gastos,
            title = "Gastos com cota parlamentar",
            opacity = 1)

4 - Quais parlamentares mais gastam recursos da CEAP?

É a resposta dessa pergunta que deveria deixa-lx surpresx. Você conhece algum desses deputados gastadores?! Pois é, eu também não! A maioria (se não todos) desses deputados são desconhecidos e nunca ouviu-se falar de seus nomes envolvidos em projetos de relevância. Não sei você caro leitor mas me parece que temos um grande PESO MORTO no congresso nacional. Políticos de baixa produtividade que pouco fazem e muito gastam…

Uma rápida busca no site http://www.politicos.org.br/edio-vieira-lopes revela que o primeiro lugar da nossa lista Deputado Federal Edio Lopes é réu em ação penal no STF pelo crime de peculato. Além disso parece que ele não gosta muito de justificar suas faltas às sessões do plenário da Câmara…

mais_gastam <- dados %>%
  mutate(nomeParlamentar = paste0(nomeParlamentar, " (", sgPartido, "-", sgUF,")")) %>%
  filter(!is.na(nomeParlamentar)) %>%
  group_by(nomeParlamentar) %>% 
  summarise(gastos = sum(valorLíquido), quantidade = plyr::count(sgUF)$freq) %>%
  arrange(gastos) %>% 
  top_n(10, gastos)

mais_gastam %>% 
  ggplot(aes(x = reorder(nomeParlamentar, -gastos), y = gastos/UM_MILHAO)) +
  geom_point(aes(color = gastos)) + 
  scale_color_continuous(low = "cyan", high = "blue", guide = FALSE) +
  coord_flip() + 
  labs(title = "Parlamentares que mais gastam a cota parlamentar", y = "Valor gasto em milhões de R$", x="")

PERGUNTA BÔNUS - Quais os estados cujos deputados gastam mais/menos no exterior?

É isso mesmo que vocês leram amigxs, os nossos queridos congressistas podem gastar os recursos públicos até no exterior! Entre os deputados que realizarem gastos no exterior vale a pena ressaltar o caso da deputada Maria Helena (PSB-RR) que utilizou a cota parlamentar 33 vezes!

O estado de São Paulo é o que mais gasta no exterior. Vejamos agora o top 10 dos estados cujos parlamentares mais gastam no exterior:

mais_gastam_exterior <- dados %>%
  mutate(nomeParlamentar = paste0(nomeParlamentar, " (", sgPartido, "-", sgUF,")")) %>%
  filter(!is.na(nomeParlamentar) & tipoDocumento == GASTO_EXTERIOR) %>%
  group_by(sgUF) %>% 
  summarise(gastos = sum(valorLíquido), quantidade = plyr::count(sgUF)$freq) %>%
  arrange(gastos) %>% 
  top_n(10, gastos)


mais_gastam_exterior %>% 
  ggplot(aes(x = reorder(sgUF, -gastos), y = gastos)) +
  geom_point(aes(color = gastos)) + 
  scale_color_continuous(low = "cyan", high = "blue", guide = FALSE) +
  scale_y_continuous(labels = comma) +
  coord_flip() + 
  labs(title = "Estados que mais gastam a cota parlamentar no exterior", y = "Valor gasto em R$", x="")

O estado do Tocantins é o que menos gasta no exterior.Vejamos agora o top 10 dos estados cujos parlamentares menos gastam no exterior:

menos_gastam_exterior <- dados %>%
  mutate(nomeParlamentar = paste0(nomeParlamentar, " (", sgPartido, "-", sgUF,")")) %>%
  filter(!is.na(nomeParlamentar) & tipoDocumento == GASTO_EXTERIOR) %>%
  group_by(sgUF) %>% 
  summarise(gastos = sum(valorLíquido), quantidade = plyr::count(sgUF)$freq) %>%
  arrange(gastos) %>% 
  top_n(10, -gastos)

menos_gastam_exterior %>% 
  ggplot(aes(x = reorder(sgUF, -gastos), y = gastos)) +
  geom_point(aes(color = gastos)) + 
  scale_color_continuous(low = "cyan", high = "blue", guide = FALSE) +
  scale_y_continuous(labels = comma) +
  coord_flip() + 
  labs(title = "Estados que menos gastam a cota parlamentar no exterior", y = "Valor gasto em R$", x="")